A OpenAI e a Anthropic cortaram os preços de API de seus LLMs principais em até 80% entre junho e setembro de 2026, segundo uma análise de Max Woolf publicada em seu blog minimaxir.com. Os cortes atingiram tanto os modelos de ponta quanto os de nível econômico, e a linha do tempo de Woolf mostra que não foram descontos isolados, mas um vaivém contínuo entre os dois laboratórios ao longo de quatro meses.

O caso mais claro é o GPT-5.6 Luna, da OpenAI. Lançado em 26 de junho de 2026 a $1 de input / $6 de output / $0.10 de cache-read por milhão de tokens, a OpenAI cortou o preço em 80% em 30 de julho, para $0.20 / $1.20 / $0.02, um movimento que o post de Woolf marca com "(???)" como não explicado na época. Ele escreve que suspeita que "o corte de 80% no preço do GPT-5.6 Luna em julho tinha o objetivo específico de competir com esses modelos menores de peso aberto", apontando o DeepSeek V4 Flash como o gatilho competitivo. O movimento paralelo da Anthropic foi o preço de lançamento do Claude Sonnet 5, de $2 / $10 / $0.20 por milhão de tokens, anunciado em 30 de junho como temporário e tornado permanente em 10 de agosto.

A mecânica mais relevante está na linha de cache-read, não no preço de input/output. O post de Woolf explica que, para agentes de codificação, os tokens de cache-read — o contexto armazenado e reproduzido a cada turno — representam "96% - 99%" do gasto total de tokens, com taxas de acerto de cache ("cache hit rates") entre "90 - 100%". É por isso que o preço do Claude Fable 5.1, anunciado em 1º de setembro, que cortou o custo de cache-read em 75% em relação ao Fable 5 enquanto melhorava os benchmarks em todas as frentes, "corresponde a uma redução de 70-75% no custo de uso do modelo", mesmo com os preços de input/output anunciados permanecendo perto de $10/$50. A mesma lógica se aplica ao GPT-6.1 Sol, anunciado em 29 de setembro depois que o lançamento inicial do GPT-6 Sol se mostrou, nas palavras de Woolf, "um fiasco em termos de desempenho": a OpenAI reduziu pela metade o preço de cache, para $2 / $10 / $0.10, tornando a família GPT-6 Sol "cumulativamente 75% mais barata" que sua antecessora.

Sobre hardware e arquitetura, as fontes não citam GPUs nem frameworks de serving — trata-se de uma análise de preços, não de uma dissecação de infraestrutura. O que o texto traz é uma linha de tendência: dados citados do AI model gateway da Vercel mostram o custo por token caindo para 43.3% de seu nível de abril de 2026, mesmo com Woolf observando que o gasto agregado está subindo porque "os modelos estão melhorando mais rápido do que estão ficando mais baratos". O próprio posicionamento da Anthropic sobre o Opus 5.5, anunciado em 22 de setembro a $4 / $20 / $0.20 (abaixo dos $5/$25/$0.50 do Opus 5), foi explícito: "o Opus 5.5 exige menos computação para rodar do que o Opus 5, e seu preço reflete isso", uma combinação de cortes em input/output e reduções de cache que Woolf soma em "40-60%" de custo a menos para um modelo que, segundo ele, é melhor que o Fable 5.1.

A pressão competitiva citada é a inferência de peso aberto ("open-weight"). Woolf conta 29 provedores distintos hospedando o DeepSeek V4.1 Flash na OpenRouter, ante 13 para o V4 Flash original em maio, com Cloudflare e DeepInfra com preços "a até 10% do custo da DeepSeek" em custo efetivo de input. Ele também destaca o Kimi K3.1 Pro, da Moonshot AI, ainda por vir, avaliado pela Artificial Analysis em 55 contra os 58 do Opus 5.5, com preço na metade da taxa de input/output do Opus 5.5 e custo de cache-read equivalente — os pesos devem ser liberados em 4 de novembro, após o que Woolf espera que a maioria dos mais de 20 provedores já existentes do Kimi K3 passe a oferecê-lo a um preço comparável.

O que fica em aberto é a margem. Woolf cita relatos não identificados que situavam as margens de lucro por token na inferência em "até 80%, saudáveis, com ressalvas" antes dos cortes, mas nenhum dos dois laboratórios divulgou o que resta depois deles, e tanto a OpenAI quanto a Anthropic estão, segundo o post, se aproximando de IPOs — a OpenAI em 2027, a Anthropic "dentro de alguns meses" — um momento que Woolf classifica como contraintuitivo para empresas prestes a atrair o escrutínio do mercado público sobre "prejuízos massivos". Ele também observa que a OpenAI, simultaneamente, cortou pela metade a franquia de uso do plano de $200/mês do Codex, sugerindo que o valor da assinatura, não o preço base da API, pode ser a primeira alavanca puxada se as margens apertarem. O próprio uso de Woolf mudou de acordo: depois que o GPT-6.1 Sol reduziu seu custo efetivo em 75%, ele baixou sua cota do Codex para um quinto, chamando o efeito líquido de "praticamente neutro e a escolha óbvia".

A conclusão para quem está orçando um pipeline de RAG ou de agentes contra endpoints do GPT ou do Claude: não precifique contratos com base nas taxas anunciadas de input/output — o preço de cache-read é onde de fato está 96-99% do custo de tokens em uso agêntico, e essa é a linha que mais se moveu, e mais rápido, neste ciclo.